工程系的一个团队在心脏病学年度 PhysioNet 计算挑战赛中获得一等奖。参赛者被要求设计和实施允许从回声录音中识别心脏杂音的开源算法。
心脏的非侵入性评估可以识别儿童的先天性和后天性心脏缺陷。缺乏诊断,尤其是在出生率高的较贫穷国家,是一项重大的健康挑战。支持挑战的数据是在巴西东北部针对 21 岁以下患者的两个大规模筛查计划中收集的。
PhysioNet 于 1999 年在美国国立卫生研究院 (NIH) 的主持下成立。它开展和促进生物医学研究和教育,部分是通过免费访问大量生理和临床数据以及相关的开源软件。自 1999 年以来,它每年都会举办生物医学挑战赛,重点研究临床和基础科学中未解决的问题。
King的团队由两名博士生徐玉佳和包新奇,以及工程系的两名学者Ernest Kamavuako博士,高级讲师和Hak-Keung (HK) Lam博士,读者组成。
欧内斯特在评论挑战时说:
“我为我们的两名博士生以新颖的信号处理方法在如此激烈的挑战中赢得第一名感到非常自豪。”
Hak-Keung 补充道:“我们很高兴我们的 HearTech+ 团队在 2022 年心脏病学物理网络计算挑战赛中排名第一。 Ernest 和我非常高兴我们的博士生 Yujia Yu 和 Xinqi Bao 展示了出色的研究能力,他们开发了最先进的机器学习算法来检测心音图记录中的心脏杂音,从而诊断影响约 1 人的先天性心脏病。 % 的新生儿。”
这是一个分析大量患者数据并开发识别模式的算法的机会。这种算法为创新和挽救生命的小型心脏病检测和监测设备铺平了道路。